本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘 要：目前无人机已在各个领域得到了广泛的应用。基于无人机图像传感器的动态目标检测在理论研究和实际应用中占据关键地位，备受研究人员的关注。深入研究了无人机的工作场景，针对其特殊的运行环境进行了数学建模并加以分析。通过简化场景，提出了一种利用轻量级卷积网络模型进行图像识别的方法，在降低计算成本的同时保证对碰撞的准确预测，从而为无人机的飞行过程提供更为可靠的保障。
关键词：低空经济；城市环境；无人机视觉；图像识别
doi：10.12045/j.issn.1007-3043.2024.12.013
引言
在现代社会中，无人机的应用范围正在不断扩大，涵盖了从航拍摄影到快递交付等各个领域。然而，随着无人机数量的增加，空中交通的拥挤程度也在不断上升，飞行器碰撞问题日益突出。飞行器碰撞不仅会导致财产损失，还可能威胁地面人员的安全，对飞行器碰撞进行准确预测成了至关重要的任务。
图像识别技术在解决这一挑战性问题的过程中发挥着重要作用。通过分析来自无人机摄像头的图像数据，可以识别空中的其他飞行器、障碍物以及环境的变化。这为飞行器的自动飞行系统提供了关键信息，使它们能够实时做出决策，避免潜在的碰撞。
在以往的工作中，大量的研究人员专注于无人机视觉领域，并取得了卓越的研究成果。例如，ZHANG J等人利用轻量级CNN架构在无人机上实现高精度的运动目标检测；LI G Q 等人优化了轻量级卷积神经网络，使无人机目标检测速度有了更加明显的提升；LI T 等人采用空心卷积架构对特征图像进行重采样，以此提高了模型的特征提取能力和无人机的目标检测性能。
以上的研究致力于实现无人机对地面目标的高精度运动检测，然而，在空中目标检测方面，过多的计算资源却未必能够得到有效的利用。二者主要有以下2个方面的差异。首先，地面目标通常较小且距离较远，要实现对动态目标的准确识别，需要进行复杂的前景背景分离预处理操作，同时还需要识别分析更高分辨率的图像。相比之下，空中动态目标的碰撞预测首先面临较少的噪声干扰，因此背景变化相对较小，无需特别的预处理步骤。其次，当动态目标即将与观测者的无人机发生碰撞时，其在无人机摄像头中的视角会迅速扩大，这一显著特征使我们无需极高的图像精度即可直接捕获到对应的特征数据。因此，本文针对空中动态目标碰撞环境的这2个显著特点，进行了一定的分析，并设计了相应的碰撞预测方法。
